张峻宁, 苏群星, 王 成, 徐 超, 李一宁

(1.陆军工程大学, 石家庄 050003; 2.陆军指挥学院, 南京 210000;3.国防大学联合作战学院, 石家庄 050003; 4.32181部队,西安, 710032;5.军事科学院防化研究院, 北京 102205)

语义分割是指标记图像中每个元素的类别信息，完成从低级到高级的推理，最终形成像素级的语义标注图像.国内外学者提出众多语义分割方法，主要分为传统和基于深度学习的两大类方法[1-3].传统法[4]一般依靠图像自身的低阶视觉信息实现图像分割，但是无法应用于复杂的分割任务.近年来，随着深度学习技术的发展，语义分割技术也飞速发展，并广泛应用于包括自动驾驶[5]、视频监测[6]以及医学图像分析[7]等领域.2014年，Jonathan等[8]首先提出了全卷积层网络(Fully Convolution Network, FCN)的像素级语义分割.文献[9]提出了基于“编码器-解码器”的语义分割网络SegNet，该方法在全卷积层上分别结合低层的位置特征与高层的语义信息，有效提高了图像语义分割的精度，但是模型容易丢失信息.之后，Azadi等[10]通过优化网络结构，提高了卷积层感受野的独立性，实现了多任务的生成对抗网络(Generative Adversarial Vetwork, GAN)网络风格变换.最近，Chen等[11-13]提出了一系列语义分割模型(DeepLab v1、DeepLab v2及DeepLab v3)，分别从像素密度预测、多尺度分割以及特征分辨率方面提高全卷积网络的分割精度.但是上述模型都需要通过具有像素级标签的大型数据集训练.然而，手动标注数据集的语义信息成本十分昂贵，直接用于本地化场景的语义分割是十分困难的.

研究人员用计算机自动标注的虚拟图像替代……